基于ResNet50和迁移学习的红鳍东方鲀病鱼检测方法

• 作者: 张方言 赵梦 周弈志 胥婧雯 李海清 程思奇 吴俊峰 于红
• 来源期刊: 渔业现代化
• 关键词: ResNet50 迁移学习 数据增广 红鳍东方鲀 病鱼检测 渔业信息化
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 渔业信息化
• 页码范围: 51-60
• 页数: 10页
• 分类号: S965.3|TP391.7
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2021.04.007

摘要

针对红鳍东方鲀病鱼样本数量少、检测准确率不高等问题,提出一种基于ResNet50和迁移学习的红鳍东方鲀病鱼检测方法.首先使用ResNet50在ImageNet数据集上进行模型预训练;然后基于预训练结果构建了红鳍东方鲀病鱼检测ResNet50网络,将经过预训练的、包含16个残差块的模型权重迁移到构建的ResNet50网络中进行模型权重初始化以降低训练成本;为进一步提高检测的准确性,在构建的ResNet50网络模型的最后一个卷积层后面加入反卷积层用以学习目标中的细节信息;最后,用红鳍东方鲀健康鱼和病鱼图像构建了数据集,并采用翻转、旋转、随机裁剪、色度变化和添加噪声等方法进行了数据增广,以增加数据样本的多样性,进而提高检测方法的鲁棒性.在所构建的数据集上进行了试验,试验结果表明,基于ResNet50和迁移学习的红鳍东方鲀病鱼检测方法准确率可以达到99％,与ResNet18、ResNet34、ResNet101和ResNet152不同深度的残差网络相比,分别约提升了10.7％、6.6％、6.2％和5.6％,在与不加入反卷积的ResNet50残差网络相比,约提升0.4％的精度.研究表明,采用基于ResNet50和迁移学习的方法,有效地解决了红鳍东方鲀病鱼样本少和准确率不高的问题,为红鳍东方鲀病鱼检测提供了新方法.